Name: PIPEMAT-RS: Sviluppo e convalida di una pipeline MATLAB standardizzata per la pre-elaborazione EEG in stato di riposo (Video) | JoVE Journal
Uploaded: 2025-06-06T15:55:00.000+00:00
Duration: 6 min 51 s
Description: Scopri la pipeline PIPEMAT-RS per la pre-elaborazione standardizzata di dati EEG in stato di riposo utilizzando MATLAB. Questo metodo automatizzato migliora la qualità del segnale e supporta ricerche neurofisiologiche coerenti.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Niedermeyer, E., da Silva, F. L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aNiedermeyer%2C+E+%22Electroencephalography%3A+basic+principles%2C+clinical+applications%2C+and+related+fields%22">Electroencephalography: basic principles, clinical applications, and related fields</a>. , Lippincott Williams and Wilkins. Philadelphia, PA. (2004).</li>
<li>Delorme, A., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEGLAB%3A+an+open-source+toolbox+for+analysis+of+single-trial+EEG+dynamics+including+independent+component+analysis%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">EEGLAB: an open-source toolbox for analysis of single-trial EEG dynamics including independent component analysis.</a> J Neurosci Methods. 134 (1), 9-21 (2004).</li>
<li>Cohen, M. X. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCohen%2C+MX+%22Analyzing+neural+time+series+data%3A+theory+and+practice%22">Analyzing neural time series data: theory and practice</a>. , MIT Press. (2014).</li>
<li>Buzsáki, G., Anastassiou, C. A., Koch, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+origin+of+extracellular+fields+and+currents-EEG%2C+ECoG%2C+LFP+and+spikes%5BTitle%5D)+AND+%22Nat+Rev+Neurosci%22%5BJournal%5D)">The origin of extracellular fields and currents-EEG, ECoG, LFP and spikes.</a> Nat Rev Neurosci. 13 (6), 407-420 (2012).</li>
<li>Nunez, P. L., Srinivasan, R. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aNunez%2C+PL+%22Electric+fields+of+the+brain%3A+the+neurophysics+of+EEG%22">Electric fields of the brain: the neurophysics of EEG</a>. , Oxford University Press. (2006).</li>
<li>Gratton, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain+reflections%3A+a+circuit-based+framework+for+understanding+information+processing+and+cognitive+control%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">Brain reflections: a circuit-based framework for understanding information processing and cognitive control.</a> Psychophysiology. 55 (3), e13038(2018).</li>
<li>Bigdely-Shamlo, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+PREP+pipeline%3A+standardized+preprocessing+for+large-scale+EEG+analysis%5BTitle%5D)+AND+%22Front+Neuroinform%22%5BJournal%5D)">The PREP pipeline: standardized preprocessing for large-scale EEG analysis.</a> Front Neuroinform. 9, 16(2015).</li>
<li>Pernet, C. R., Chauveau, N., Gaspar, C., Rousselet, G. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((LIMO+EEG%3A+a+toolbox+for+hierarchical+linear+modeling+of+electroencephalographic+data%5BTitle%5D)+AND+%22Comput+Intell+Neurosci%22%5BJournal%5D)">LIMO EEG: a toolbox for hierarchical linear modeling of electroencephalographic data.</a> Comput Intell Neurosci. 2011, 831409(2011).</li>
<li>Onton, J., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Independent+component+analysis+for+EEG+artifacts%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Independent component analysis for EEG artifacts.</a> Neuroimage. 15 (3), 789-801 (2006).</li>
<li>Delorme, A., Miyakoshi, M., Jung, T. P., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Grand+average+ERP-image+plotting+and+statistics%3A+a+method+for+comparing+variability+in+event-related+single-trial+EEG+activities+across+subjects+and+conditions%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">Grand average ERP-image plotting and statistics: a method for comparing variability in event-related single-trial EEG activities across subjects and conditions.</a> J Neurosci Methods. 210 (2), 132-145 (2012).</li>
<li>Debener, S., Thorne, J., Schneider, T. R., Viola, F. C. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aDebener%2C+S+%22Using+ICA+for+the+analysis+of+multi-channel+EEG+data.+Simultaneous+EEG+and+FMRI%22">Using ICA for the analysis of multi-channel EEG data. Simultaneous EEG and FMRI</a>. , Springer. New York, NY. (2010).</li>
<li>Luck, S. J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLuck%2C+SJ+%22An+introduction+to+the+event-related+potential+technique%22">An introduction to the event-related potential technique</a>. , MIT Press. (2014).</li>
<li>Cohen, M. X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Where+does+EEG+come+from+and+what+does+it+mean%5BTitle%5D)+AND+%22Trends+Neurosci%22%5BJournal%5D)">Where does EEG come from and what does it mean.</a> Trends Neurosci. 40 (4), 208-218 (2017).</li>
<li>Keil, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Committee+report%3A+publication+guidelines+and+recommendations+for+studies+using+electroencephalography+and+magnetoencephalography%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">Committee report: publication guidelines and recommendations for studies using electroencephalography and magnetoencephalography.</a> Psychophysiology. 51 (1), 1-21 (2014).</li>
<li>Gramfort, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MEG+and+EEG+data+analysis+with+MNE-Python%5BTitle%5D)+AND+%22Front+Neurosci%22%5BJournal%5D)">MEG and EEG data analysis with MNE-Python.</a> Front Neurosci. 7, 7(2013).</li>
<li>Pernet, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Issues+and+recommendations+from+the+OHBM+COBIDAS+MEEG+committee+for+reproducible+EEG+and+MEG+research%5BTitle%5D)+AND+%22Nat+Neurosci%22%5BJournal%5D)">Issues and recommendations from the OHBM COBIDAS MEEG committee for reproducible EEG and MEG research.</a> Nat Neurosci. 23 (12), 1473-1483 (2020).</li>
<li>Oostenveld, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((FieldTrip%3A+open-source+software+for+advanced+analysis+of+MEG%2C+EEG%2C+and+invasive+electrophysiological+data%5BTitle%5D)+AND+%22Comput+Intell+Neurosci%22%5BJournal%5D)">FieldTrip: open-source software for advanced analysis of MEG, EEG, and invasive electrophysiological data.</a> Comput Intell Neurosci. 2011, 156869(2011).</li>
<li>Bailey, N. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Introducing+RELAX%3A+an+automated+preprocessing+pipeline+for+cleaning+EEG+data-Part+1%3A+algorithm+and+application+to+oscillations%5BTitle%5D)+AND+%22Clin+Neurophysiol%22%5BJournal%5D)">Introducing RELAX: an automated preprocessing pipeline for cleaning EEG data-Part 1: algorithm and application to oscillations.</a> Clin Neurophysiol. 149, 178-201 (2023).</li>
<li>Pedroni, A., Bahreini, A., Langer, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automagic%3A+standardized+preprocessing+of+big+EEG+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Automagic: standardized preprocessing of big EEG data.</a> Neuroimage. 200, 460-473 (2019).</li>
<li>da Cruz, J. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+automatic+preprocessing+pipeline+for+EEG+analysis+%28APP%29+based+on+robust+statistics%5BTitle%5D)+AND+%22Clin+Neurophysiol%22%5BJournal%5D)">An automatic preprocessing pipeline for EEG analysis (APP) based on robust statistics.</a> Clin Neurophysiol. 129 (7), 1427-1437 (2018).</li>
<li>Bailey, N. W., et al. EEG is better when cleaning effectively targets artifacts. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBailey%2C+NW+%22bioRxiv%22">bioRxiv</a>. , 2024-2106 (2024).</li>
<li>Global EEG devices market report. , Grand View Research. Available at: 
 <a target="_blank" href="https://www.grandviewresearch.com">https://www.grandviewresearch.com</a> (2021).</li>
<li>Makoto's preprocessing pipeline. , Available at: 
 <a target="_blank" href="https://sccn.ucsd.edu/wiki/Makoto's_preprocessing_pipeline">https://sccn.ucsd.edu/wiki/Makoto's_preprocessing_pipeline</a> (2015).</li>
<li>Winkler, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((On+the+influence+of+high-pass+filtering+on+ICA-based+artifact+reduction+in+EEG-ERP%5BTitle%5D)+AND+%22Annu+Int+Conf+IEEE+Eng+Med+Biol+Soc%22%5BJournal%5D)">On the influence of high-pass filtering on ICA-based artifact reduction in EEG-ERP.</a> Annu Int Conf IEEE Eng Med Biol Soc. 2015, 4101-4105 (2015).</li>
<li>Gramfort, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Time-frequency+mixed-norm+estimates%3A+sparse+M%2FEEG+imaging+with+non-stationary+source+activations%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Time-frequency mixed-norm estimates: sparse M/EEG imaging with non-stationary source activations.</a> Neuroimage. 70, 410-422 (2013).</li>
<li>Delorme, A., Sejnowski, T., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Enhanced+detection+of+artifacts+in+EEG+data+using+higher-order+statistics+and+independent+component+analysis%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Enhanced detection of artifacts in EEG data using higher-order statistics and independent component analysis.</a> Neuroimage. 34 (4), 1443-1449 (2007).</li>
<li>Marques, L. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resting-state+EEG+as+biomarker+of+maladaptive+motor+function+and+depressive+profile+in+stroke+patients%5BTitle%5D)+AND+%22Clin+EEG+Neurosci%22%5BJournal%5D)">Resting-state EEG as biomarker of maladaptive motor function and depressive profile in stroke patients.</a> Clin EEG Neurosci. 55 (4), 496-507 (2024).</li>
<li>Lacerda, G. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+neural+signature+for+brain+compensation+in+stroke+with+EEG+and+TMS%3A+insights+from+the+DEFINE+cohort+study%5BTitle%5D)+AND+%22Neurophysiol+Clin%22%5BJournal%5D)">A neural signature for brain compensation in stroke with EEG and TMS: insights from the DEFINE cohort study.</a> Neurophysiol Clin. 54 (5), 102985(2024).</li>
<li>Camargo, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adaptive+and+compensatory+neural+signatures+in+fibromyalgia%3A+an+analysis+of+resting-state+and+stimulus-evoked+EEG+oscillations%5BTitle%5D)+AND+%22Biomedicines%22%5BJournal%5D)">Adaptive and compensatory neural signatures in fibromyalgia: an analysis of resting-state and stimulus-evoked EEG oscillations.</a> Biomedicines. 12 (7), 1428(2024).</li>
<li>Barbosa, S. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resting-state+electroencephalography+delta+and+theta+bands+as+compensatory+oscillations+in+chronic+neuropathic+pain%3A+a+secondary+data+analysis%5BTitle%5D)+AND+%22Brain+Netw+Modul%22%5BJournal%5D)">Resting-state electroencephalography delta and theta bands as compensatory oscillations in chronic neuropathic pain: a secondary data analysis.</a> Brain Netw Modul. 3 (2), 52-60 (2024).</li>
<li>Simis, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deficit+of+inhibition+as+a+marker+of+neuroplasticity+%28DEFINE+study%29+in+rehabilitation%3A+a+longitudinal+cohort+study+protocol%5BTitle%5D)+AND+%22Front+Neurol%22%5BJournal%5D)">Deficit of inhibition as a marker of neuroplasticity (DEFINE study) in rehabilitation: a longitudinal cohort study protocol.</a> Front Neurol. 12, 695406(2021).</li>
<li>Pion-Tonachini, L., Kreutz-Delgado, K., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ICLabel%3A+an+automated+electroencephalographic+independent+component+classifier%2C+dataset%2C+and+website%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">ICLabel: an automated electroencephalographic independent component classifier, dataset, and website.</a> Neuroimage. 198, 181-197 (2019).</li>
<li>Jaramillo-Jimenez, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reproducible+python+workflow+for+multi-site+resting-state+EEG+analysis%5BTitle%5D)+AND+%22Alzheimer%27s+Dement%22%5BJournal%5D)">Reproducible python workflow for multi-site resting-state EEG analysis.</a> Alzheimer's Dement. 19, e076353(2023).</li>
<li>Levin, A. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((BEAPP%3A+the+batch+electroencephalography+automated+processing+platform%5BTitle%5D)+AND+%22Front+Neurosci%22%5BJournal%5D)">BEAPP: the batch electroencephalography automated processing platform.</a> Front Neurosci. 12, 513(2018).</li>
</ol>

<table><tbody><tr><td>MATLAB&nbsp;</td><td>MathWorks</td><td>R2020a o versione successiva</td><td>Necessario per l'esecuzione dello script PIPEMAT-RS.</td></tr><tr><td>Sistema di registrazione EEG</td><td>Brain Products</td><td>https://www.brainproducts.com/</td> <td>Sistema di acquisizione EEG utilizzato per la raccolta dei dati. Altre marche&nbsp; includono BioSemi / ANT Neuro (o equivalente)&nbsp;</td></tr><tr><td>EEGLAB Toolbox</td><td>Swartz Center for Computational Neuroscience</td><td>N/A Toolbox</td><td>MATLAB open source per l'analisi EEG.</td></tr><tr><td>Elettrodi (Ag/AgCl)</td><td>Prodotti per il cervello&nbsp;</td><td>https://www.brainproducts.com/solutions/r-net/</td> <td>Utilizzato nell'acquisizione di dati EEG. Altre marche&nbsp; includono BioSemi / ANT Neuro (o equivalente)&nbsp;</td></tr><tr><td>ICLabel Plugin</td><td>Swartz Center for Computational Neuroscience</td><td>N/A</td><td>Strumento automatizzato di classificazione degli artefatti per EEG.</td></tr><tr><td>PIPEMAT-RS Script</td><td>N/A</td><td>N/A</td><td>Script MATLAB personalizzato per la pre-elaborazione EEG standardizzata.</td></tr><tr><td>Amplificatore di segnale</td><td>Brain Products&nbsp;</td><td>https://www.brainproducts.com/solutions/#amplifiers</td><td>Amplifica i segnali EEG per l'elaborazione. Altre marche&nbsp; includono BioSemi / ANT Neuro (o equivalente)&nbsp;</td></tr><tr>Prodotti <td>standard per cuffie EEG a 64 canali</td><td>per il cervello&nbsp;</td><td>https://www.brainproducts.com/solutions/#electrodes-caps</td><td>Cappuccio dell'elettrodo per la registrazione EEG. Altre marche&nbsp; includono BioSemi / ANT Neuro (o equivalente)&nbsp;</td></tr></tbody></table>

pipemat-rs: sviluppo e convalida di una pipeline matlab standardizzata per la pre-elaborazione eeg in stato di riposo

PIPEMAT-RS: Development and Validation of a Standardized MATLAB Pipeline for Resting-State EEG Preprocessing

La convalida della pipeline di pre-elaborazione EEG è essenziale per garantire l'affidabilità e l'efficacia dei metodi impiegati per l'estrazione di dati neurofisiologici significativi. Questo processo coinvolge prove empiriche provenienti da studi pubblicati, valutazioni statistiche e confronti con benchmark stabiliti nel campo.
La robustezza e l'utilità di PIPEMAT-RS sono state dimostrate attraverso la sua applicazione di successo in diversi studi pubblicati che abbracciano una vasta gamma d...

PIPEMAT-RS: Sviluppo e convalida di una pipeline MATLAB standardizzata per la pre-elaborazione EEG in stato di riposo

Electroencephalography (EEG) is a crucial tool in neuroscience research and clinical applications, but raw EEG data often contain noise and artifacts that ...

pipemat-rs-development-validation-standardized-matlab-pipeline-for

Research

Ricerca

JoVE Journal

Neuroscience

Neuroscienze

La valutazione del ritmo EEG mu fornisce una metodologia unica per l'esame dell'attività cerebrale e quando combinato con test basati comportamentale, può essere uno strumento potente per chiarire aspetti della cognizione sociale, come l'imitazione, in popolazioni cliniche.

EEG Mu Ritmo nello sviluppo tipico e atipico

Questo video introduce le procedure di preparazione, registrazione e analisi della sorgente dell'EEG ad alta risoluzione su ratti sedati con un particolare modello preclinico di epilessia focale in condizioni non invasive.

Cervello Imaging Source in modelli preclinici Rat dell&#39;epilessia focale utilizzando ad alta risoluzione EEG Recordings

Questo articolo viene descritto il protocollo sottostante l'elettroencefalografia (EEG) microstato analisi e analisi di complessità di omega, che sono due misure di EEG privo di riferimento e preziosa per esplorare i meccanismi neurali di disturbi cerebrali.

Microstato e analisi di complessità Omega dell'elettroencefalografia dello stato di riposo

Questo protocollo descrive un metodo per ottenere dati stabili di risonanza magnetica funzionale (rs-fMRI) allo stato di riposo da un ratto utilizzando isoflurano a basso dosaggio in combinazione con dexmedetomidina a basso dosaggio.

Acquisizione dei dati di risonanza magnetica funzionale a riposo nel ratto

Viene presentata una pipeline standardizzata per l'esame della morfometria della materia grigia del cervelletto. La pipeline combina approcci ad alta risoluzione e all'avanguardia per la parcellazione ottimizzata e automatizzata del cervelletto e la registrazione basata su voxel del cervelletto per la quantificazione volumetrica.

Una pipeline standardizzata per l'esame della morfometria della materia grigia cerebellare umana utilizzando la risonanza magnetica strutturale

Qui, descriviamo un protocollo che combina l'iniezione di virus adeno-associato con l'impianto di finestre craniche per l'imaging simultaneo delle dinamiche microgliali e dell'attività neuronale nei topi svegli.

Imaging simultaneo delle dinamiche microgliali e dell'attività neuronale in topi svegli

Il toolbox BrainBeats è un plug-in EEGLAB open source progettato per analizzare congiuntamente i segnali EEG e cardiovascolari (ECG/PPG). Include la valutazione dei potenziali evocati dal battito cardiaco (HEP), l'analisi basata sulle caratteristiche e l'estrazione di artefatti cardiaci dai segnali EEG. Il protocollo aiuterà a studiare l'interazione cervello-cuore attraverso due lenti (HEP e caratteristiche), migliorando la riproducibilità e l'accessibilità.

BrainBeats come plug-in EEGLAB open source per analizzare congiuntamente i segnali EEG e cardiovascolari

Di seguito viene presentata una pipeline di analisi video che supera le sfide del monitoraggio comportamentale all'interno degli ambienti MRI, consentendo il rilevamento di risposte comportamentali non istruite a segnali esterni. Questa analisi faciliterà una comprensione più completa dei cambiamenti di stato interni evocati e dell'attività cerebrale a livello cerebrale.

Profilazione delle risposte comportamentali materne durante l'imaging dell'intero cervello

Un nuovo protocollo per la stimolazione magnetica transcranica personalizzata in combinazione con la mappatura elettroencefalografica (TMS-EEG) delle reti corticali, informata da modalità di dati di risonanza magnetica multipla (MRI).

TMS-EEG guidato da neuroimaging per la mappatura della rete corticale in tempo reale

Questo studio presenta un protocollo standardizzato e riproducibile per implementare lo strumento di analisi EEG Space-Temporal-Frequency (STFEEG) per la decodifica EEG con immagini motorie, incorporando segmentazione configurabile spazio-temporale-frequenza, estrazione di caratteristiche basata su Common Spatial Patterns (CSP), algoritmi di classificazione multipla e capacità di visualizzazione.

STFEEG-Tool: Uno strumento di analisi EEG per immagini motorie e interfacce cervello-computer

Questo protocollo dimostra come le simulazioni neurali basate sulla fisica possano essere utilizzate per interpretare i biomarcatori elettrofisiologici dei neuroterapeutici e scoprire il loro effetto sui circuiti neurali, fornendo un approccio meccanicisticamente radicato per lo sviluppo neuroterapeutico.

Un protocollo per scoprire i meccanismi neurali degli effetti neuroterapeutici sull'elettroencefalografia utilizzando il neurosolver neocorticale umano

Scopri la pipeline PIPEMAT-RS per la pre-elaborazione standardizzata di dati EEG in stato di riposo utilizzando MATLAB. Questo metodo automatizzato migliora la qualità del segnale e supporta ricerche neurofisiologiche coerenti.

PIPEMAT-RS: Sviluppo e convalida di una pipeline MATLAB standardizzata per la pre-elaborazione EEG in stato di riposo

Esplora altri video